(Source: NVIDIA)
Pengembangan kendaraan otonom menghadapi rintangan signifikan dalam memastikan keselamatan dan keandalannya di berbagai skenario dunia nyata, terutama yang jarang terjadi dan kritis. Pengujian fisik di jalan raya sangat mahal, berisiko, dan memakan waktu. Oleh karena itu, simulasi menjadi pendekatan yang masuk akal untuk melatih, menguji, dan memvalidasi kendaraan otonom dengan aman dan efisien. Simulasi memungkinkan para insinyur mensimulasikan skenario tak terbatas, termasuk situasi edge-case yang sulit ditemukan dalam pengujian fisik.
Otak kendaraan otonom
Lingkungan simulasi ini dapat dibuat melalui rekonstruksi neural dari data dunia nyata yang dikumpulkan dari armada kendaraan otonom, atau dihasilkan dengan world foundation model (WFM). WFM adalah jaringan saraf yang memahami fisika dan properti dunia nyata, memungkinkan mereka menghasilkan synthetic dataset untuk simulasi kendaraan otonom yang lebih baik. Untuk mendukung pengembang AI fisik dalam membangun lingkungan simulasi semacam ini, NVIDIA telah meluncurkan inovasi besar dalam WFMs.
Inovasi kendaraan otonom oleh Nvidia
Inovasi-inovasi ini meningkatkan NVIDIA Cosmos sebuah platform yang terdiri dari WFMs generatif, tokenizer canggih, guardrail, dan alat pemrosesan data yang dipercepat. Inovasi kunci seperti Cosmos Predict-2, Cosmos Transfer-1 NVIDIA preview NIM microservice, dan Cosmos Reason meningkatkan cara pengembang kendaraan otonom menghasilkan data sintetis, membangun lingkungan simulasi yang realistis, serta memvalidasi sistem keselamatan dalam skala yang belum pernah terjadi sebelumnya. Universal Scene Description (OpenUSD), sebagai kerangka kerja data terpadu dan standar untuk aplikasi AI fisik, juga berperan penting dalam memungkinkan integrasi tanpa batas dan interoperabilitas aset simulasi di seluruh pipeline pengembangan. Terakhir, NVIDIA Omniverse, sebagai platform API, SDK, dan layanan untuk membangun aplikasi AI fisik berbasis OpenUSD, memungkinkan simulasi dari WFMs dan rekonstruksi neural pada skala dunia.
Cosmos Predict-2, WFM terbaru NVIDIA, menghasilkan data sintetis berkualitas tinggi dengan memprediksi kondisi dunia di masa depan dari masukan multimodal seperti teks, gambar, dan video. Kemampuan ini sangat penting untuk menciptakan skenario yang konsisten secara temporal dan realistis, yang mempercepat pelatihan dan validasi kendaraan otonom serta robot.
Selain itu, Cosmos Transfer, sebuah model kontrol yang menambahkan variasi cuaca, pencahayaan, dan medan ke skenario yang sudah ada, akan segera tersedia untuk 150.000 pengembang di CARLA, simulator AV sumber terbuka terkemuka. Ini memperluas akses komunitas pengembang kendaraan otonom ke alat simulasi bertenaga AI canggih.
Hasil kendaraan otonom dari Nvidia
Untuk meningkatkan keamanan operasional sistem kendaraan otonom, NVIDIA memperkenalkan NVIDIA Halos, sebuah platform keamanan komprehensif yang mengintegrasikan hardware dan software stack otomotif penuh perusahaan dengan penelitian AI yang berfokus pada keselamatan kendaraan otonom. Model Cosmos baru Cosmos Predict-2, Cosmos Transfer-1 NIM, dan Cosmos Reason memberikan peningkatan keamanan lebih lanjut pada platform Halos, memungkinkan pengembang untuk menciptakan skenario yang beragam, terkontrol, dan realistis untuk melatih dan memvalidasi sistem kendaraan otonom.
Organisasi kendaraan otonom terkemuka termasuk Foretellix, Mcity, Oxa, Parallel Domain, Plus AI, dan Uber adalah yang pertama mengadopsi model Cosmos, menunjukkan kepercayaan industri terhadap solusi ini. Pemanfaatan AI dan OpenUSD tidak hanya mempercepat pengembangan kendaraan otonom yang aman dan skalabel, tetapi juga secara fundamental mengubah cara kita mendekati pengujian dan validasi dalam domain yang sangat penting.
